《人工智能导论》教案第2章知识表示和知识图谱.docx

第二章 知识表示和知识图谱 课题名称：知识表示和知识图谱 学习过程： 课程名称 人工智能导论 教学内容 知识与知识表示 学时 6课时 翻转课时 第1、2、5、6课时 教学环境 多媒体教室 教学方法 情境教学法、任务驱动法、 讲练结合法、小组讨论教学法 一、学习内容分析 人类之所以有智能行为是因为他们拥有知识，智能活动过程其实就是一个获得并运用知识的过程，要使机器系统具有人的智能能力（人工智能AI），则必须以人的知识为基础，知识是人工智能的基石。但人类的知识要用适当的模式表示出来，才能够存储到计算机中并被识别运用，本节将对人工智能中常用的几种知识表示方法进行介绍，为后续学习奠定基础。 信息技术飞速发展，不断推动着互联网技术的变革，互联网的核心性技术Web经历了网页链接到数据链接的变革后，正逐渐向大规模的语义网络演变。语义网络将知识采用网络的形式表示，它将经过加工和推理的知识以图形的方式提供给用户，而实现智能化语义检索的基础和桥梁就是知识图谱。 二、教学目标 知识目标 能力目标 了解知识、知识表示、知识图谱的概念 2、了解知识图谱的应用及发展 1、能够联系实际生活，列举出知识图谱的应用 2、能够绘制简单知识图谱进行信息表达 三、教学重点 知识、知识表示、知识图谱的概念 知识图谱的应用及发展 四、教学难点 知识表示方法 知识图谱的表示 五、课前任务设计 思考： 第一、二节课: 阅读案例人工智能之知识图谱 （1）疾病症状被 Google 纳入“知识图谱”之中 （2）“度秘”是另一种形式的百度搜索框 （3）IBM 想让机器人沃森和你一起开会 2、知识图谱是什么？ 第五、六节课： 1、延伸阅读：百度知识图谱在生活中的应用 2、联系实际生活，谈一谈知识图谱在生活中还有哪些应用 六、授课过程 一、二节 案例引入 （1）疾病症状被 Google 纳入“知识图谱”之中 （2）“度秘”是另一种形式的百度搜索框 （3）IBM 想让机器人沃森和你一起开会 知识归纳 知识： 知识是人类在实践中认识客观世界(包括人类自身)的成果，它包括事实、信息的描述或在教育和实践中获得的技能，知识是人类从各个途径中获得并经过提升、总结与凝练的系统的认识。 知识表示： 知识表示（Knowledge Representation）是对知识的描述，即用一组符号将知识表示成计算机可以接受的某种结构。 产生式表示法： 产生式表示法又称为产生式规则（Production Rule）表示法。美国数学家波斯特（E.POST）在1934年首先提出“产生式”，它根据串代替规则提出了一种称为波斯特机的计算模型，模型中的每条规则称为产生式。 框架表示法： 以一个通用的数据结构的形式存储以往的经验。这样的数据结构就是框架（frame），框架提供了一个结构，一种组织。 知识图谱： 知识图谱就是利用可视化的图谱形象展示客观世界中的概念、实体及其间的复杂关系。由Google于2012年率先提出，其初衷是用以增强自家的搜索引擎的功能和提高搜索结果质量，使得用户无需通过点击多个链接就可以获取结构化的搜索结果，并且提供一定的推理功能，创造出一种全新的信息检索模式。 知识卡片： 搜索引擎中知识图谱的表现形式——知识卡片（Knowledge Card）。2012年谷歌提出知识图谱并且将其应用于语义搜索，改进搜索质量，搜索算法会在网页搜索时尽可能的链接与其相关的结构化信息，这些信息会以知识卡片（Knowledge Card）的形式返回给用户，知识卡片就是知识图谱在搜索引擎中最早的表现形式。 任务实施 1、对于犯罪行为的新闻报道中都会提到犯罪意图、犯罪结果、证人指控等信息，这些信息可以用一个犯罪框架来表示。 2、试着构造一个描述学校图书馆的框架。 3、用产生式表示：如果一个人出现腹痛、腹泻及呕吐的症状，那么得肠胃炎的可能性有8成。 4、知识图谱在搜索引擎中的应用 （四）归纳总结 通过案例阅读，了解知识图谱的相关概念，知道知识图谱的简单应用。 三、四节 引入 知识图谱如何表示呢？ 从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）,就是把所有不同种类的信息连接在一起而得到的一个关系网络。 知识归纳 知识图谱的表示： 从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）,就是把所有不同种类的信息连接在一起而得到的一个关系网络。多关系图包含多种类型的节点和多种类型的边，不同形状和颜色代表不同种类的节点和边。节点表示实体或概念，边则构成关系。实体指的是现实世界中的具体事物或具体的人，比如著名的物理学家爱因斯坦、伟大的 思想家马克思等；概念是指人们在认识世界过程中形成的对客观事物的概念化表示，如人、动物、组织结